基于不同颜色空间的运动目标检测算法分析

视频图像运动目标检测是有效分类和跟踪运动物体的关键步骤。对于彩色图像,大多选择颜色特征作为运动目标的检测标准,而不同的颜色空间反映图像的信息不同。为此,本文分析了运动目标在多种颜色空间下的信息变化情况,以及不同色彩空间下的像素特征对目标检测算法性能的影响;比较了复杂背景环境下,基于不同颜色空间特征值的混合高斯模型算法的背景减除效果,以期为多种典型环境下颜色特征优选和算法优化提供理论基础和实践指导。实验结果表明:在RGB、YCrCb、HSV和Lab四种不同颜色空间中,基于Lab颜色空间的运动目标检测算法具有更高的检测率和更低的误检率,是一种能抗背景光干扰、适应能力较强、鲁棒性较好的检测算法。     

一种基于静止背景的运动目标检测算法

运动目标检测过程中,阴影极易被错划为运动目标,而目前主要方法都是针对某一特定场合提出的,自适应性较差.针对该情况提出一种摄像位置和场景特征未知情况下的阴影检测算法,实验结果表明,算法检测准确,适用性较好.     

一种基于背景重建的运动目标检测算法

根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，提出一种改进的基于块的背景重建方法。利用重建得到的背景图象，通过背景消减实现了运动目标的检测，检测结果以运动目标的外接矩形表示。     

基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

基于背景差分法和显著性图的海底目标检测方法

如何完整地提取视频中低对比度的小目标一直是运动目标检测中的热点和难点,尤其是处理水下移动设备拍摄的海底视频,更是具有很大挑战性。针对海底视频的特点,提出一种结合背景差分法和显著性图理论的弱小目标检测方法。该方法对减去背景后仍不清晰的含有目标的视频帧,采用显著性图理论提高目标的对比度,以利于更好地分割目标与背景;同时,利用单帧视频中最大目标个数的先验知识,来判断视频中是否有目标出现,避免因杂质太多而造成目标的错检,以提高检测系统的稳定性。在此基础上进行了与常规背景差分法的比较实验,结果显示该方法能够更好地检测到不清晰的目标。     

复杂背景下运动目标的检测

提出了一种统计获取图像背景的方法，该方法与比特层相结合可完成复杂背景下运动目标的检测，与其它获取图像背景的方法相比较，这种统计获取图像背景的方法可同时完成背景的获得和更新．此运动目标检测方法运算简单，抗噪能力强，无需阈值选取．分割结果无重影．实验验证了本方法的有效性。     

YUV空间下基于码本模型的视频运动目标检测方法

针对传统运动目标视频检测算法中RGB空间背景建模计算、存储成本高的问题,提出采用YUV空间下基于码本模型的背景建模方法.码本模型对现场光线变化、随机噪声等具有较好的自适应性,采用对YUV模型中的亮度信号(Y分量)建立背景的码本模型,其优点在于亮度信号(Y)和色度信号(U,V)相互独立,避免了复杂的乘法与开平方运算,同时算法可单独编码,与MPEG标准兼容性更好,易于进行目标数据的压缩、处理和传输.视频仿真实验表明,该方法在视频监控系统中的使用效果较好,能获得比RGB空间码本模型更高的实时性,也更节约系统的计算内存.     

低信噪比静止背景运动图像的动态目标检测

研究静止背景下运动图像序列的动态目标检测，主要针对当图像序列背景中有噪声干扰时，典型的差分检测法的检测效果不好，应用基于最小均方系统调整算法(LMS)的自适应滤波器方法，压制噪声，使效果得以明显改善，文中给出了实验结果。     

基于空间和颜色自相关的直方图目标检测方法

在传统的颜色相关直方图基础上,提出了一种基于空间和颜色自相关的直方图目标检测算法(Spatial and Color Co-occurrence Histogramms,SCCH),该方法采用符合人眼感知的HSV颜色空间,并对其进行非均匀量化,使其更加符合人类生理机制;SCCH算法强调颜色过渡区域的重要性,选取边缘点作为计算对象,同时利用颜色自相关直方图,减少计算量,大大提高了检测效率。     

基于差分法的运动目标检测设计

介绍了一种以差分法实现运动目标检测的设计.对比了常见的运动目标检测方法和图像处理技术,重点对帧差分法和开源AForge .NET框架进行了分析,利用AForge .NET框架设计实现了运动目标的检测功能.应用表明,该设计易于使用与扩展.     

一种改进的运动目标检测算法

针对目标检测过程中的背景变化、光照变化、阴影对检测的影响,提出了一种改进的运动目标检测算法。首先利用改进的统计方法建立了目标的背景模型,并实时地对背景模型进行更新,最后将检测出的目标采用融合HSV颜色信息和纹理特征的混合高斯阴影模型方法来去除阴影。实验结果证明,该算法在场景中有目标运动的情况下。能够准确地建立背景模型,并能去除阴影影响,提高系统的检测准确性。     

基于HSV空间的彩色边缘检测

为了克服在颜色亮度差别大的情况下,传统柱坐标模型下的欧氏距离不能合理分辨颜色的缺点,根据饱和度对亮度进行变换,提高了模型的准确性.并在此颜色距离模型下设计了一种彩色Min边缘检测算子,有效地提取了图像的边缘信息.实验证明该方法可以合理分辨不同的颜色,有效提取图像的彩色边缘信息,并能克服非均匀光照所带来的影响.     

一种复杂背景下的运动目标检测方法

提出一种复杂背景下的运动目标检测方法．它根据背景运动情况下,像素与它领域之间的相关性对实行运动目标的检测,消除由于背景运动所造成的错误检测,并采用自适应背景更新方法,提高算法的稳定性和可靠性．通过实验验证,本算法对光照变化、背景运动、前景和背景互化有很强的适应能力．     

基于典型相关的视频运动目标检测

在智能监控系统中,视频运动目标检测是目标分类和行为理解的基础。由于视频背景的复杂性,考虑检测问题中能量函数的全局优化,提出了基于典型相关的树加权置信传播（ TRW）算法用于视频运动目标检测。算法首先将视频图像分成一些图像块,构造有环图模型;然后运用TRW算法将环路分解成生成树的形式,实现有环图模型上的视频运动目标优化检测。仿真结果表明,算法具有较高的准确度,与传统的置信传播（ BP）算法相比较,能有效降低迭代次数,提高计算效率。     

一种基于RGB与HIS颜色空间模型的火焰尺寸检测方法研究

现有的火焰尺寸检测方法具有误检率高、易受日照条件影响以及对具有复杂背景的火焰区域分割保留疑似火焰区域的缺点。为了改进现有的检测方法,提出了一种基于RGB颜色空间与HIS颜色空间模式相结合的火焰尺寸检测方法,将两种颜色空间火焰特征结合,定义新的火焰判断约束条件,并根据RGB颜色分量值之间的比值来消除光照影响。对不同背景下火焰图像进行检测的结果表明,所提出的检测方法可以有效测量火焰尺寸。     

一种基于边缘检测的运动目标检测新方法

基于帧间差分变化检测,运用多尺度形态梯度算子进行边缘检测,提出并实现了一种运动目标检测新方法.这种检测方法算法简单、运算量小,而且只使用了头两帧的信息,适合于实时应用.实验结果表明:此方法能有效地检测出运动目标.     

基于HSV空间的彩色图像直方图检索技术

传统彩色图像的直方图检索技术基于RGB空间,但研究发现,RGB空间不符合人眼的视觉感应。因此本文提出的算法是在HSV空间上计算彩色图像的三维直方图,通过非均匀的划分三个分量色相H（Hue）、饱和度S（Saturation）和亮度V（Value）的采样区间,得到不同的检索结果。实验结果分析表明,在HSV空间,不同的分量在不同类型的图像中的作用是不一致的。     

一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。